不会函数也能分析 Excel：把表格丢给 AI 的正确方式

不用背 VLOOKUP 和数据透视表。学会怎么把数据干净地交给 AI、怎么描述分析目标，普通业务数据立刻出结论。

2026-08-06 · 约 4 分钟读完

最后更新于 2026-10-05

作者：周野（CPCX 撰稿人 · 编程与数据）

我把一张格式很乱的销售表丢进去，它第一步就问我要字段含义。从那次开始我养成了先说明每列是什么的习惯——这一步省掉的来回比任何函数技巧都值钱。

大多数人的用法浪费了 AI 的分析能力

「这份数据帮我分析一下」是数据类提问里最常见也最无用的开场。AI 拿到这句话只能给你一堆泛泛而谈：「数据整体呈增长趋势，建议关注波动」。你要的是结论，它给你的是废话，因为你没告诉它你关心什么。

数据分析的第一步从来不是工具，而是问题。先想清楚：你想从这份数据里知道什么？是哪个月份掉量了、哪个渠道转化最高，还是哪些客户流失了？问题越具体，AI 的输出越接近你能直接用的结论。

好的分析提问长这样：「以下是某店铺三个月的销售数据（字段：日期、品类、销量、销售额、折扣率）。请找出：一、销售额下滑最明显的品类和时间点；二、折扣率与销量的关系是否明显；三、基于以上两点给两条下月的调整建议。」

拿到结果后再追一层：「第二点里说折扣对销量拉动有限，依据是哪些数据？把相关数字列出来。」让 AI 拿证据说话，是过滤「一本正经的推测」最有效的手段。最终采纳哪个建议当然由你判断——毕竟业务里那些表格外的信息，只有你知道。

AI 出分析、你出判断，这个分工不要搞反：它擅长从数字里找模式，但数字背后的人和市场，它一无所知。

三个月的店铺销售数据丢过去，问「哪类商品在拖后腿」。它给的结论方向没问题，但算出来的销售总额和我表里的对不上——差了一截。来回查才发现：表里有两个价格列，一列单位是元、一列是千元，它把两列直接加总了。数字任务它也会一本正经地算错，而且错得很有说服力：中间过程全对，就错在口径。

从那以后我的第一步固定了：先不让它分析，让它「把你对每个字段的理解复述一遍——含义、单位、粒度」，它复述、我确认，确认完才开始。这一步不到一分钟，拦住过的错误不止一次：把「下单时间」当「支付时间」，把「件数」当「单数」。口径这层错了，后面的图表越漂亮越害人。

另一个坑出在数据量上。几万行贴不进去，有一回我图省事只贴了前几十行让它「感受一下」，它把头部几十行当成了全量，结论错得离谱但表述得极其自信。数据不全时必须写明「这只是抽样，结论只对这批数据负责」——它不会替你提醒这件事。

「内部数据能直接贴吗？」先把没必要给的拿掉：客户姓名、手机号、订单号这些和分析无关的列，删掉再贴，多数分析不受影响。真正涉密的数据集，只贴表头和几行样例，让它出方法和公式，回去自己套全量。

「它算的数字到底准不准？」加减乘除偶尔也会错，尤其是多列不同单位混在一起的时候。原则就一条：要拿去汇报的数字，抽一两个用 Excel 亲自验一遍。验的是分析的地基，不是跟它较劲。

「同一份数据，两次问结论不一样？」先别急着骂它不稳定——多半是数据里的信号本来就弱，换个问法它就换个读法。这时候要么补一个维度（比如把月份拆成大促和日常），要么接受「这份数据得不出结论」，后者也是一种结论。

「给的建议全是正确的废话？」多半是你没给它业务背景。预算多少、人手几个、这份数据的结论要交给谁，这三样说清楚，建议立刻具体一个档次。表格外的约束它一无所知，你不说，它只能往通用里说。

AI 给的是「从这批数字里能读出什么」，数字之外的人和事，永远是你补的那一层。